排序(sorting).ppt

* 快速排序法 快速排序法(Quick Sort)又稱分割交換排序法，是目前公認最佳的排序法。 假設有n筆記錄R1,R2,R3…Rn，其鍵值為k1,k2,k3…kn。快速排序法的步驟如下： 1. 取K為第一筆鍵值。 2. 由左向向找出一個鍵值Ki使得KiK。 3. 由右向左找出一個鍵值Kj使得KjK。 4. 若ij則Ki與Kj交換，並繼續步驟?的執行。 5. 若i?j則將K與Kj交換，並以j為基準點將資料分為左右兩 部份。並以遞迴方式分別為左右兩半進行排序，直至 完成排序。 * 快速法分析 在最快及平均情況下，時間複雜度為O(nlog2n)。 最壞情況就是每次挑中的中間值不是最大就是最 小，其時間複雜度為O(n2)。 2. 快速排序法不是穩定排序法。 3. 在最差的情況下，空間複雜度為O(n)，而最佳情況 為O(log2n)。 4. 快速排序法是平均執行時間最快的排序法。 * 範例程式：ch08_06.c 執行結果： * 堆積排序法 堆積(Heap Sort)是一種特殊的二元樹，可分為最大堆積樹及最小堆積樹兩種。 最大堆積樹滿足以下3個條件： 最小堆積樹則具備以下3個條件： 1.它是一個完整二元樹。 2.所有節點的值都大於或等於它左右子節點的值。 3.樹根是堆積樹中最大的。 1.它是一個完整二元樹。 2.所有節點的值都小於或等於它左右子節點的值。 3.樹根是堆積樹中最小的。 堆積的基礎-最大堆積 在堆積的節點中，最大值是根節點9，所有子節點的資料都等於或比父節點小，這種堆積稱為「最大堆積」（Max Heap），如下圖所示： 堆積的基礎-最小堆積 反過來，如果根節點的資料是最小，所有子節點的資料都等於或比父節點大，稱為「最小堆積」（Min Heap），如下圖所示： 建立最大堆積-實作 最大堆積是一棵完整二元樹，除了最高階層外，它是一棵完滿二元樹（Full Binary Tree），在實作上可以使用陣列來儲存最大堆積，如下圖所示： 建立最大堆積-索引計算 heap[]陣列儲存堆積資料，heap_len是目前堆積的元素數，索引值是從1開始，索引值0並沒有使用，此時堆積節點的索引值計算，如下所示： 右子節點索引 = 父節點索引 * 2 + 1 左子節點索引 = 父節點索引 * 2 父節點索引 = 子節點索引 / 2 建立最大堆積-插入節點(說明) 在最大堆積插入節點，首先將節點插入heap[]陣列的最後，也就是插入成為二元樹的葉節點。 然後與父節點進行比較，往上一一和其父節點比較，就可以將二元樹調整成為堆積。 建立最大堆積-插入節點(圖例1) 左邊的二元樹插入節點9，首先插入在陣列heap_len+1的索引位置，然後與其父節點5比較，因為比較大，所以對調，如下圖所示： 建立最大堆積-插入節點(圖例2) 因為節點9比較大，所以交換，最後和根節點8進行比較，比較大所以交換，最後就可以重建成堆積。函數shiftUp()就可以向上調整節點來重建堆積。 建立最大堆積-取出最大節點(說明) 從堆積取出最大節點，以最大堆積來說，就是根節點，同樣的，當刪除根節點後，就需要重新調整來建立堆積。 建立最大堆積-取出最大節點(圖例) 首先刪除根節點9，並且將它取代成最後一個節點5，然後從上至下，比較其子節點，因為比左子節點小，所以交換，然後再與子節點比較，比左子節6小，所以交換即可完成堆積的重建。 * 堆積法分析 在所有情況下，時間複雜度均為O (nlogn)。 堆積排序法不是穩定排序法。 只需要一額外的空間，空間複雜度為O (1)。 * 範例程式：ch08_07.c 執行結果： * 基數排序法 基數排序法(Radix Sort)依比較的方向可分為最有效鍵優先(Most Significant Digit First:MSD)和最無效鍵優先(Least Significant Digit First:LSD)兩種。 MSD法是從最左邊的位數開始比較，而LSD則是從最右邊的位數開始比較。 底下的範例我們以LSD將三位數的整數資料來加以排序，它是依個位數、十位數、百位數來進行排序。 * 原始資料： 步驟一：把每個整數依其個位數字放到串列中： 26 95 7 34 60 168 171 259 372 45 88 133 個位數字 0 1 2 3 4 5 6 7 8 9 資料 60 171 372 133 34 95 45 26 7 168 88 59 259 * 合併後成為： 步驟二：再依其十位數字，依序放到串列中： 60 171 372 133 34 95 45 7 168 88 59 259 十位數字 0 1 2 3 4 5 6 7 8 9 資料 7 133 34 45 59 2